数元灵科技，对模型训练优化、线上推理、算法实验等多个环节进行抽象统一，形成一套可以快速应用离线预训练模型到线上的解决方案。本文将向大家介绍，如何基于 MetaSpore 技术生态来使用 HuggingFace 社区预训练模型进行线上推理和算法实验，让预训练模型红利更充分释放到工业界、普惠到中小企业的具体业务中，并且我们会给出以文搜文和以文搜图两个多模态检索演示样例供大家参考。
多模态语义检索 | 基于 MetaSpore 快速部署 HuggingFace 预训练模型
· 阅读需 1 分钟
使用 LakeSoul 构建实时机器学习样本库
· 阅读需 1 分钟
LakeSoul 设计的初衷，是为了解决在流批一体的业务场景下，传统的 Hive 数仓难以解决的各类问题，包括 Upsert 更新、Merge on Read、并发写等。今天我们以一个典型的应用场景：构建实时机器学习样本库来展示 LakeSoul 的核心功能。
重磅！开源湖仓平台 LakeSoul 设计理念详解
· 阅读需 1 分钟
LakeSoul 是数元灵研发并开源的流批一体表存储框架，围绕大数据架构体系新趋势做了大量的设计优化。本文从总体设计理念出发，为大家详解 LakeSoul 的核心概念和设计原理。
揭秘！新一代一站式机器学习平台MetaSpore的设计理念
· 阅读需 1 分钟
本周三（3 月 31 日），数元灵发布了新一代一站式机器学习平台 MetaSpore。详见《重磅！基于新一代MetaSpore平台快速搭建工业级推荐系统》，这篇文章详细介绍了如何使用 MetaSpore 提供的开源组件，完整地搭建一个包含离线算法训练、在线预测服务、在线算法实验的工业级推荐系统。那么 MetaSpore 是怎样做到让原本复杂的推荐系统算法工程走出互联网大厂，走向广大的中小企业和开发者的？这篇文章将为您揭开 MetaSpore 的面纱，阐述其核心设计理念。
重磅！基于新一代MetaSpore平台快速搭建工业级推荐系统
· 阅读需 2 分钟
推荐系统是当前互联网产品中非常重要的组成部分。对于互联网平台来说，一个好的推荐场景不但可以快速提升点击率、互动率等短期业务指标，同时对于DAU、用户满意度、回访率等偏长期用户指标及用户体验都有好的助益。那么，你是否也想DIY一个类似的信息流推荐系统呢？ 这篇文章会帮助读者基于MetaSpore平台一步一步构建一个属于自己的电影推荐系统，同时，整个系统具有很强的扩展性。我们实现了近年来在工业界经典的排序算法和召回算法，并且软件接口设计统一，无论在线还是离线相关算法只需要少量代码和配置修改就可以应用到实际的业务中。